Google (Gemini)

Das Google-Plugin bietet Zugriff auf Gemini-Modelle über Google AI Studio sowie Bildgenerierung, Medienverständnis (Bild/Audio/Video), Text-to-Speech und Websuche über Gemini Grounding.

• Provider: google
• Auth: GEMINI_API_KEY oder GOOGLE_API_KEY
• API: Google Gemini API
• Laufzeitoption: Provider/Modell agentRuntime.id: "google-gemini-cli" verwendet Gemini CLI OAuth wieder, während Modellreferenzen kanonisch als google/* bleiben.

Erste Schritte

Wählen Sie Ihre bevorzugte Authentifizierungsmethode und folgen Sie den Einrichtungsschritten.

openclaw onboard --auth-choice gemini-api-key

openclaw onboard --non-interactive \  --mode local \  --auth-choice gemini-api-key \  --gemini-api-key "$GEMINI_API_KEY"

{  agents: {    defaults: {      model: { primary: "google/gemini-3.1-pro-preview" },    },  },}

openclaw models list --provider google

# Homebrewbrew install gemini-cli # or npmnpm install -g @google/gemini-cli

openclaw models auth login --provider google-gemini-cli --set-default

openclaw models list --provider google

Funktionen

Websuche

Der gebündelte Websuche-Provider gemini verwendet Gemini Google Search Grounding. Konfigurieren Sie einen dedizierten Suchschlüssel unter plugins.entries.google.config.webSearch, oder lassen Sie ihn models.providers.google.apiKey nach GEMINI_API_KEY wiederverwenden:

{  plugins: {    entries: {      google: {        config: {          webSearch: {            apiKey: "AIza...", // optional if GEMINI_API_KEY or models.providers.google.apiKey is set            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // falls back to models.providers.google.baseUrl            model: "gemini-2.5-flash",          },        },      },    },  },}

Die Anmeldedaten-Priorität ist dediziertes webSearch.apiKey, dann GEMINI_API_KEY, dann models.providers.google.apiKey. webSearch.baseUrl ist optional und existiert für Betreiber-Proxys oder kompatible Gemini API-Endpunkte; wenn es weggelassen wird, verwendet die Gemini-Websuche models.providers.google.baseUrl wieder. Siehe Gemini-Suche für das Provider-spezifische Tool-Verhalten.

Bildgenerierung

Der gebündelte Bildgenerierungs-Provider google verwendet standardmäßig google/gemini-3.1-flash-image-preview.

• Unterstützt auch google/gemini-3-pro-image-preview
• Generieren: bis zu 4 Bilder pro Anfrage
• Bearbeitungsmodus: aktiviert, bis zu 5 Eingabebilder
• Geometriesteuerungen: size, aspectRatio und resolution

So verwenden Sie Google als Standard-Bild-Provider:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "google/gemini-3.1-flash-image-preview",      },    },  },}

Videogenerierung

Das gebündelte google-Plugin registriert auch Videogenerierung über das gemeinsame Tool video_generate.

• Standard-Videomodell: google/veo-3.1-fast-generate-preview
• Modi: Text-zu-Video, Bild-zu-Video und Einzelvideo-Referenzabläufe
• Unterstützt aspectRatio (16:9, 9:16) und resolution (720P, 1080P); Audioausgabe wird von Veo derzeit nicht unterstützt
• Unterstützte Dauern: 4, 6 oder 8 Sekunden (andere Werte rasten auf den nächstgelegenen zulässigen Wert ein)

So verwenden Sie Google als Standard-Video-Provider:

{  agents: {    defaults: {      videoGenerationModel: {        primary: "google/veo-3.1-fast-generate-preview",      },    },  },}

Musikgenerierung

Das gebündelte google-Plugin registriert auch Musikgenerierung über das gemeinsame Tool music_generate.

• Standard-Musikmodell: google/lyria-3-clip-preview
• Unterstützt auch google/lyria-3-pro-preview
• Prompt-Steuerungen: lyrics und instrumental
• Ausgabeformat: standardmäßig mp3, plus wav auf google/lyria-3-pro-preview
• Referenzeingaben: bis zu 10 Bilder
• Sitzungsbasierte Läufe werden über den gemeinsamen Task-/Statusablauf entkoppelt, einschließlich action: "status"

So verwenden Sie Google als Standard-Musik-Provider:

{  agents: {    defaults: {      musicGenerationModel: {        primary: "google/lyria-3-clip-preview",      },    },  },}

Text-to-Speech

Der gebündelte Speech-Provider google verwendet den Gemini API TTS-Pfad mit gemini-3.1-flash-tts-preview.

• Standardstimme: Kore
• Auth: messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY oder GOOGLE_API_KEY
• Ausgabe: WAV für reguläre TTS-Anhänge, Opus für Sprachnotiz-Ziele, PCM für Talk/Telefonie
• Sprachnotiz-Ausgabe: Google PCM wird als WAV verpackt und mit ffmpeg in 48-kHz-Opus transkodiert

Googles Batch-Gemini-TTS-Pfad gibt generiertes Audio in der abgeschlossenen generateContent-Antwort zurück. Für gesprochene Konversationen mit niedrigster Latenz verwenden Sie den Google-Echtzeit-Sprach-Provider, der von der Gemini Live API unterstützt wird, statt Batch- TTS.

So verwenden Sie Google als Standard-TTS-Provider:

{  messages: {    tts: {      auto: "always",      provider: "google",      providers: {        google: {          model: "gemini-3.1-flash-tts-preview",          speakerVoice: "Kore",          audioProfile: "Speak professionally with a calm tone.",        },      },    },  },}

Gemini API TTS verwendet natürlichsprachliches Prompting zur Stilsteuerung. Setzen Sie audioProfile, um dem gesprochenen Text einen wiederverwendbaren Stil-Prompt voranzustellen. Setzen Sie speakerName, wenn Ihr Prompt-Text auf einen benannten Sprecher verweist.

Gemini API TTS akzeptiert außerdem expressive Audio-Tags in eckigen Klammern im Text, wie [whispers] oder [laughs]. Um Tags aus der sichtbaren Chat-Antwort herauszuhalten und sie trotzdem an TTS zu senden, setzen Sie sie in einen [[tts:text]]...[[/tts:text]]- Block:

Here is the clean reply text. [[tts:text]][whispers] Here is the spoken version.[[/tts:text]]

Echtzeit-Sprache

Das gebündelte google-Plugin registriert einen Echtzeit-Sprach-Provider, der von der Gemini Live API für Backend-Audio-Bridges wie Voice Call und Google Meet unterstützt wird.

Beispiel für die Realtime-Konfiguration von Voice Call:

{  plugins: {    entries: {      "voice-call": {        enabled: true,        config: {          realtime: {            enabled: true,            provider: "google",            providers: {              google: {                model: "gemini-2.5-flash-native-audio-preview-12-2025",                speakerVoice: "Kore",                activityHandling: "start-of-activity-interrupts",                turnCoverage: "only-activity",              },            },          },        },      },    },  },}

Für die Live-Verifizierung durch Maintainer führen Sie OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts aus. Der Smoke-Test deckt auch OpenAI-Backend-/WebRTC-Pfade ab; der Google-Teil erstellt dieselbe eingeschränkte Live-API-Token-Form, die von Control UI Talk verwendet wird, öffnet den Browser- WebSocket-Endpunkt, sendet die anfängliche Setup-Payload und wartet auf setupComplete.

Erweiterte Konfiguration

{  agents: {    defaults: {      models: {        "google/gemini-2.5-pro": {          params: {            cachedContent: "cachedContents/prebuilt-context",          },        },      },    },  },}

Verwandte Themen